Les français de la TV connectée : Spideo

Publié le 25 avril 2013 et mis à jour le 3 août 2013 - Un commentaire -
PDF Afficher une version imprimable de cet article
  

Nous poursuivons avec Spideo la série des français de la TV connectée commencée en mai 2012 et dont le dernier épisode en date était C2M publié en mars 2013. Spideo fait partie d’un marché fragmenté qui comprend un grand nombre d’acteurs : celui de la recommandation de contenus vidéo.

Logo Spideo

Un marché fragmenté et complexe

Le besoin consommateur est bien connu : il est (censé être) perdu devant la profusion de contenus disponibles dans les offres de VOD, de S-VOD et de TV de rattrapage et a besoin d’orientation pour trouver les contenus qui vont lui permettre de passer un bon moment, seul ou à plusieurs.

Le problème n’est finalement pas de trouver quelque chose, car – profusion aidant – on trouve toujours de quoi s’occuper. On recherche surtout des contenus qui apporteront le plus de satisfaction dans le temps que l’on va consacrer à leur consommation. L’exigence du consommateur est de plus en plus grande, ce d’autant plus que les sources de distractions sont de plus en plus nombreuses tout comme les écrans pour en profiter.

Côté diffuseurs de contenus, le besoin est à la fois d’augmenter les ventes de contenus lorsqu’ils sont facturés à la demande, ou d’augmenter les abonnements et de réduire le churn (pertes d’abonnés) lorsqu’il s’agit d’abonnements (S-VOD). Pour la S-VOD, l’objectif des agrégateurs est d’augmenter la consommation des fonds de catalogue car c’est la partie dont les droits de diffusion sont les moins chers, là aussi pour réduire le churn.

Pour la TV de rattrapage, le modèle économique des diffuseurs est celui de la publicité. Là encore, la recommandation permet d’augmenter la consommation de contenus pour assurer ce revenu. Il est notamment particulièrement important pour les opérateurs triple-play d’augmenter la part variable de l’ARPU (average revenue per user) au-dessus du forfait de base. La vente de contenus VOD et S-VOD reste avec celle des jeux le principal moyen de l’augmenter.

La marché de la recommandation est réputé difficile. En général, les solutions sont commercialisées en marque blanche auprès d’opérateurs de VOD, qu’il s’agisse de “pure players OTT” (comme Video Futur) ou d’opérateurs télécoms qui intègrent des offres de VOD ou de S-VOD dans leurs packages triple-play. Rares sont les solutions de recommandation btoc. Elles peuvent cependant être intégrées dans des guides de programmes.

Deux histoires du marché de la recommandation datant des années 2000 méritent d’être rappelées.

Premier épisode, le prix lancé par Netflix en 2006 qui était à la recherche d’algorithmes de recommandation pour optimiser son service de location de DVD et faire en sorte que ses clients profitent bien du service afin de réduire le churn (pertes d’abonnés). Le prix était de $1m mais en échange de la récupération par Netflix de la propriété intellectuelle du travail réalisé. C’était en quelque sorte un appel d’offre géant. Il a été gagné par le BellKor’s Pragmatic Chaos, une équipe multinationale de chercheurs et statisticiens menée par Chris Volinsky d’AT&T. L’objectif de ce prix était de faire des recommandations de films à partir d’un échantillon de 100 millions de notes données par un demi-million d’utilisateurs sur 17740 films. Et de comparer ensuite ces recommandations automatiques avec les notes attribuées aux films par les utilisateurs, comprises dans un jeu de données caché. Il fallait obtenir un résultat 10% meilleur aux recommandations du système de Netflix d’alors, Cinematch. Sur les milliers d’équipes s’étant lancé dans le concours, seules moins d’une dizaine avaient réussi à relever le défi. Et notamment une équipe de Hongrois qui avait jeté l’éponge en cours de route pour créer sa propre société, Gravity.

Second épisode, l’histoire bien connue de Criteo. C’est aujourd’hui l’une des rares réussites internationales du web français. La société est spécialisée dans le reciblage de publicités en ligne. Elle a près de 1000 salariés, des filiales aux USA, en Europe et en Asie et un chiffre d’affaire supérieur à $300m. Mais au départ, Criteo était un moteur de recommandation de films en marque blanche. Lancé en 2005, il n’avait pas réussi à percer. A la fois parce que le marché de la recommandation est difficile mais aussi parce que celui de la vidéo à la demande n’était pas encore très développé à l’époque. D’où le pivot en 2008 qui a amené  Criteo à utiliser son savoir-faire technologique et statistique pour l’appliquer au reciblage publicitaire, un marché émergent bien plus vaste et plus porteur.

Conséquences de ces deux histoires : d’un côté, l’aspect technique et statistique de la recommandation est plutôt complexe et requiert des ressources scientifiques assez conséquences. De l’autre, ce n’est pas un business évident, notamment en marque blanche ! Mais se lancer avec une application de recommandation en btoc n’est pas plus aisé car il faut tout le reste autour : le guide de programme et l’accès aux contenus et dans un marché là encore très encombré. Bref, il ne faut pas se lancer à la légère dans le marché de la recommandation !

L’évolution du marché de la recommandation

Ces deux épisodes précédents datent presque de la préhistoire du numérique. Depuis, plusieurs phénomènes ont sérieusement changé la donne du marché de la vidéo à la demande :

  • L’émergence de la consommation de contenus multi-écrans, poussée surtout par l’adoption massive des tablettes depuis 2010.
  • L’arrivée des smart TV qui enrichissent la consommation de télévision au-delà des chaines TV linéaires.
  • La croissance du marché des solutions OTT (over the top) de consommation de vidéo et notamment les box comme celles qui utilisent Google TV, l’Apple TV, les Roku et autres Boxee. Toutes sont utilisées avant tout pour consommer de la vidéo non-linéaire. Ce n’est pas forcément le cas en France, où la consommation passe beaucoup par les box traditionnelles des opérateurs ou sur tablettes. Mais dans de nombreux autres pays où l’IPTV n’a pas le taux de pénétration de la France, l’OTT est bien plus populaire, notamment aux USA. Netflix y est notamment une référence pour la VOD et la S-VOD mais aussi Hulu pour les séries TV. Et on les utilise sur les boitiers Roku & co.
  • Le développement du marché de la vidéo à la demande, même s’il est un peu handicapé en France par une chronologie des médias limitante pour la S-VOD. Il croit de plus de 60% par an depuis quelques années. Mais les catalogues restent très fragmentés et les utilisateurs s’y perdent un peu dans les différentes offres.
  • Dans la vidéo à la demande, la croissance de la part des offres d’abonnement (S-VOD, subscription VOD) qui s’appuient, comme Netflix depuis l’origine, sur la valorisation de catalogues importants et notamment des “fonds de catalogue” avec des droits de diffusion peu chers.
  • La croissance de la consommation de TV non-linéaire, dite de rattrapage ou “catch-up” (ce dernier terme anglais qui, au passage, n’est visiblement utilisé qu’en France !).
  • L’émergence du rôle des réseaux sociaux dans la recommandation et les liens entre Internautes. Evidemment, quand on parle de réseaux sociaux, on sous-entend immédiatement Facebook et Twitter. Le premier peut servir à identifier les goûts des Internautes dans de nombreux domaines et les affinités personnelles. Le second peut servir à faire de la recommandation temps réel en se basant sur les affinités personnelles et les flux de tweets intégrant les hashtags des programmes.
  • L’augmentation des débits fixes et bientôt mobiles (avec le LTE) qui s’accompagne d’une augmentation de la consommation de vidéos non linéaires.
  • Le développement des solutions de cloud et de big data qui facilitent le déploiement à grande échelle d’algorithmes de recommandation.

La complexité mathématique de la recommandation n’a pas baissé pour autant. Il existe tout un tas de variantes pour faire des recommandations. Celles-ci peuvent-être basées sur les notes des utilisateurs et la comparaison de profils utilisateur (ceux qui aiment ceci aiment aussi cela), sur les liens entre produits (comme sur Amazon), sur la création de bases d’attributs riches sur les contenus (le génome chez l’israélien Jinni) ou sur la recommandation sociale (le système recommande ce que ses amis ont liké sur Facebook). Les systèmes qui fleurissent régulièrement panachent souvent plusieurs de ces méthodes.

Mais il y a d’autres manières d’améliorer la recommandation : en travaillant l’interface utilisateur et en facilitant la découverte de nouveaux contenus que l’on est susceptible d’apprécier et de vouloir consommer et avec une navigation simple dans l’interface des outils de recommandation.

L’équipe de Spideo

Cela fait plus de trois ans que je croise cette équipe dans différents contextes. La startup a été créée par :

  • Gabriel Mandelbaum qui a démarré sa vie professionnelle comme responsable new média chez Marathon Media, une société de production audiovisuelle. Il y proposait aux clients de la production de contenus sur les nouveaux médias (site Internet, jeux multijoueurs, réseaux sociaux autour des marques). Il a notamment œuvré pour e-TF1 et France Télévision Interactive. C’est un ancien d’HEC.
  • Paul de Monchy qui avec sa double formation Mines Nantes et HEC Master Entrepreneur joue le rôle de CTO. C’est un ancien de Bouygues Télécom qui y travaillait dans le marketing de renouvèlement de mobiles pendant trois ans après y avoir fait un stage de six mois en maitrise d’ouvrage.
  • Thibault d’Orso est issu de Normale Sup en sciences sociales et de Science Po. Il avait une première expérience chez Roche où il gérait la publicité en ligne et la présence dans les médias sociaux. Au passage, Spideo est l’une des premières startups issues de l’incubateur de Science Po Paris.

PDMTBO

L’équipe s’est ensuite étoffée. Elle comprend maintenant 14 personnes, toutes de moins de 30 ans !

La solution de Spideo

Spideo propose des solutions de découverte et de recommandation, destinées au FAI et autres opérateurs ciblant les set-top-boxes, TV connectées et terminaux mobiles. Elles sont déclinées à la fois en marque blanche et avec des applications btoc.

L’expérience utilisateur s’appuie sur une interface simplifiée et sur diverses solutions de recommandation qui sont panachées. Le principe est de rendre la recommandation la plus simple possible et sans alourdir l’interface utilisateur. Mais la société laisse le soin à ses clients btob de recréer l’interface utilisateur qui correspond à la charte graphique de leur portail. Spideo leur fournit des guidelines ergonomiques qui peuvent ensuite être déclinées dans la charte graphique du client.

L’expérience utilisateur proposée par Spideo a été créée avec le concours de designers d’interactions majors de l’ENSAD (Arts Déco) utilisés en freelance. Mais le designer impliqué a rejoint ensuite Spideo. L’expérience utilisateur fonctionne aussi bien sur tablettes que dans les set-top-boxes. Elle est disponible en btoc dans une application iPad et en btob en marque blanche pour son intégration dans le système de vidéo à la demande du client. L’application iPad est sortie aux USA en avril 2013.

Elle présente les caractéristiques suivantes :

  • La sélection rapide de ses envies, sorte de sélection du  genre de film que l’on souhaite voir avec plusieurs critères cumulables. Cette fonction repose sur la base de données Envideo de Spideo. La base est alimentée et indexée par un processus automatique et ensuite nettoyée manuellement. Leurs efforts de R&D actuels de Spideo visent à augmenter et améliorer la part d’indexation automatique pour permettre l’ingestion de catalogues plus importants et de couvrir le marché de nouveaux pays.

Interface Spideo iPad (1)

  • Une recommandation personnalisée simplifiée de films et de séries TV qui s’enrichit avec l’usage, avec les notes que l’on donne aux films, ceux que l’on achète. Elle s’appuie surtout sur le graphe des contenus qui exploite les liens créées entre chaque contenu par l’indexation. Le filtrage collaboratif vient ensuite affiner les suggestions. La base de la recommandation d’Envideo est centrée sur les contenus eux-mêmes plutôt que sur les statistiques d’usage. Au passage, l’écueil habituel subsiste : ce genre de système propose toujours un tas de films que l’on a déjà vu. Le cerveau humain n’expose pas encore sa mémoire sous forme d’APIs “kurzweiliennes” exploitables par ce genre de service ! Tout au plus peut-on en profiter pour noter ce que l’on a déjà vu, ce qui a la longue va améliorer la pertinence des recommandations. Mais cette étape n’est pas trop critique car le système des envies précédemment vu permet d’avoir un “cold start” acceptable pour les premières recommandations.

Interface Spideo iPad (10)

  • Une logique de rebonds par hyperliens dans la filmographie des acteurs et réalisateurs. C’est une approche maintenant classique, le point clé étant de disposer des bonnes données pour la mettre en œuvre. Classique, mais bon… on ne la trouve pas encore dans toutes les offres de VOD chez les opérateurs IPTV français !

Interface Spideo iPad (5)Interface Spideo iPad (6)

  • L’accès rapide à la bande annonce, pour assurer une homogénéité typographique et une bonne lisibilité de l’interface utilisateur.

Interface Spideo iPad (2)

  • Une fonction de recherche très rapide pour trouver films, séries, acteurs et réalisateurs. La base de films sur l’application iPad pour la France ne comprend pour l’instant qu’environ 2000 films. Cette limitation provient des données disponibles sur iTunes et les affiches, bandes annonces que Spideo récupère progressivement auprès de son fournisseur Plurimedia (qui a fait l’objet d’un article dans cette série, Plurimedia a un programme de fourniture d’informations, guides de programmes et contenus, dédié aux startups). Comme l’application propose ensuite d’acheter les contenus sur iTunes, elle se limite pour l’instant volontairement au niveau des contenus proposés. Cela pourra changer avec l’intégration d’autres offres de VOD.

Interface Spideo iPad (11)

  • La gestion du bookmarking qui permet de mettre de côté les contenus que l’on a identifiés dans l’interface et que l’on souhaite regarder ultérieurement. Le système prend en compte les fenêtres de diffusion en VOD tout comme l’arrivée de films en attente dans cette même fenêtre de diffusion. Cette fonctionnalité est encore rare dans les systèmes de consommation de vidéo et de TV de rattrapage. Elle deviendra à mon sens de plus en plus demandée. Elle remplacera à terme la fonctionnalité d’enregistreur (PVR : personal video recorder).
  • La gestion intégrée de plusieurs catalogues permettant à la fois à un consommateur de faire une recherche d’abord sur les films et seulement ensuite sur leur fournisseur VOD, et à ces derniers de préserver leur spécificité lorsqu’ils sont intégrés dans une offre multi-services de VOD (pas de comparateur de prix). Dans l’application iPad et en France, les contenus peuvent être récupérés sur iTunes. Aux USA, ils le sont aussi sur Netflix. L’intégration avec Netflix est très transparente et donne l’impression que la consommation de vidéo se passe à l’intérieur de l’application Spideo.

Spideo avec iTunes et Netflix

netflix 4netflix 5

  • L’incontournable capacité à liker les contenus sur YouTube et à Tweeter dessus. Elle sera plus tard complétée d’une fonction de création et de partage de playlists via Facebook Connect.
  • La recommandation de programmes TV (direct et rattrapage) est fonctionnelle sur les mêmes principes (Envideo, rebonds similaires, suggestions personnalisées et recommandation sociale). Elle est pour l’instant mise en œuvre dans l’application Téléstar développée par Dotscreen et présentée dans l’article correspondant. Les métadonnées descriptives des programmes TV (titres, genre, synopsis, horaires de diffusion) sont récupérées chez des fournisseurs comme Plurimedia, Mondadori (éditeur de Téléstar) ou Rovi pour le reste de l’Europe.

En btob, la solution de Spideo est à l’œuvre dans le service de S-VOD de Canal+ : CanalPlay Infinity et ce, depuis fin 2011. Spideo y gère la recherche par envie et similaires sur tous les écrans ciblés par le service. Le service est fourni à Canal+ sous la forme de services web de recommandation : le moteur Envideo, la recherche de similaires, la recommandation personnalisée et les métadonnées enrichies pour les films (avec les envies correspondant à chaque film). On ne retrouve donc pas, tout du moins à l’identique, les neufs fonctionnalités listées ci-dessus.

CanalPlay Infinity

Un autre service du même genre doit être lancé en 2013.

Spideo fournit aussi à ses clients un outil de backoffice qui permet de définir des règles métier sur la recommandation. Des outils de reporting sont encore en cours de développement pour indiquer la performance des recommandations et proposer des contenus à acquérir qui seraient très bien recommandés et consommés.

Le modèle de revenu de Spideo dépend du contexte et du client :
  • La vente de licences de ses outils, surtout chez les FAI.
  • La vente de prestation avec la maintenance éditoriale des catalogues, des développements plus ponctuels. Un modèle plus adapté aux éditeurs de contenus qui cibleront les TV connectées. Ce n’est pas le modèle à privilégier car il ne ‘scale’ pas mais il faut souvent en passer par là pour gagner ses premiers clients.
  • Le partage de revenu sur la vente de VOD, notamment avec sa propre application iPad. Spideo va comme il se doit sortir d’ici la fin de l’année une version Android de son application.

La concurrence de Spideo

La concurrence de Spideo est variée et internationale. On peut citer :

  • L’israélien Jinni, une startup israélienne qui propose son système à base de « génome » permettant de typer les contenus (manuellement) avec près de 160 paramètres. C’est une version plus complexe à mettre en œuvre que la technique centrée sur les contenus Envideo de Spideo. Jinni gère plutôt les « couches basses » de la recommandation, qui sont exposées sous forme d’API exploitables dans n’importe quel middleware de set-top-box ou site web. Jinni a Belgacom dans son capital et est déployé en France par Bouygues Télécom, et chez Timer Warner et Vudu  aux USA (clients acquis début 2013). La société va aussi sortir une application iPad btoc. La différence de Spideo se situe dans la capacité à intégrer à la fois les couches basses de la gestion des contenus, de la recommandation et du parcours utilisateur. On voit à leur site web (ci-dessous) que la conception d’interface n’est pas leur fort.

Jinni home page

  • L’anglo-américain ThinkAnalytics qui propose un moteur de recommandation en marque blanche. Il utilise des algorithmes statistiques lourds et du collaborative filtering. C’est une autre référence du marché.
  • Les roumains de Gravity avec sa « G platform » qui, à l’instar de Criteo, propose aussi une solution de reciblage publicitaire. Ils ont donc fait un pivot partiel pour étendre leurs domaines d’activité. La différentiation de Spideo par rapport à ces deux acteurs est de mettre l’accent sur le contenu plutôt que sur le collaborative filtering. Elle évite les biais et erreurs des approches statistiques, notamment dans un contexte où plusieurs utilisateurs sont devant la même TV. Elle améliore la pertinence et au passage, est plus économe en ressources machine.
  • Aprico, une filiale de Philips également spécialisée dans la recommandation, acquise en mai 2012 par Axel Springer Digital TV Guide, une filiale du groupe média allemand Axel Springer qui propose un éventail large de solutions de guides de programmes, de recommandation et aussi de solution de ciblage publicitaire vidéo. En France, le groupe Axel Springer édite notamment Télé Magazine. C’est aussi l’actionnaire majoritaire de aufeminin.com. En Allemagne, il opère le réseau de chaines satellites Pro7. On peut supposer que les solutions Aprico sont donc largement utilisées par les différents médias du groupe.
  • TV Genius, une startup UK qui développe aussi des guides de programmes (EPG) et a été acquise par Red Bee Media en 2011. Ce dernier est un fournisseur de données qui exerce le même métier que le français Plurimedia. Red Bee est une société anglaise mais dirigée actuellement par un français, Patrick Tilleux, passé notamment par TF1 et Canal+. Red Bee alimente notamment en données de programme le fameux iPlayer de la BBC tout comme le logiciel Windows Media Center de Microsoft.
  • Le français Cognik qui fait de la recommandation et l’applique à une usage précis : la relinéarisation de contenus pour créer des chaines non linéaires personnalisée. Cette solution est utilisée dans la chaine pour enfants “Mon Nickelodeon Junior” du bouquet de CanalSat. La société est aussi partenaire de WizTivi, httv, Hubee et TDF.

On trouve d’autres concurrents du monde la recommandation chez des éditeurs de logiciels middleware pour l’IPTV qui intègrent très souvent la VOD dans leur offre, parmi lesquels Espial, Netgem, Viaccess/Orca, NDS, IrDeto et OpenTV.

Spideo est face au défi déjà cité à de multiples occasions pour les startups françaises de la TV connectée : se développer aussi rapidement que possible à l’international pour sortir du carcan réduit du marché français et générer des économies d’échelles. Cela demande de la volonté, des moyens, un produit déployable à grande échelle et aussi une forte différentiation. L’équipe a déjà pu se confronter au marché américain en participant à un voyage de prospection organisé par Cap Digital et Ubifrance à New York fin 2012. Conséquence : trois prospects, qui restent évidemment à “closer”. C’est un bon début !

Comme toute startup en phase d’émergence, Spideo est à la recherche de financements, principalement pour le développement commercial à l’international et aussi pour continuer à améliorer ses solutions de recommandation. Avis aux amateurs…

RRR

 
S
S
S
S
S
S
S
img
img
img

Publié le 25 avril 2013 et mis à jour le 3 août 2013 Post de | Actualités | 22965 lectures

PDF Afficher une version imprimable de cet article     

Reçevez par email les alertes de parution de nouveaux articles :


 

RRR

 
S
S
S
S
S
S
S
img
img
img

Un commentaire sur “Les français de la TV connectée : Spideo” :




Ajouter un commentaire

Vous pouvez utiliser ces tags dans vos commentaires :<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> , sachant qu'une prévisualisation de votre commentaire est disponible en bas de page après le captcha.

Last posts / derniers articles

Free downloads

Understanding Quantum Technologies 2023, a free 1,366 pages ebook about all quantum technologies (computing, telecommunications, cryptography, sensing) also available in paperback edition on Amazon:

image

Free downloads

Understanding Quantum Technologies 2023 Short version, a 24 pages with key takeaways from the eponymous book.

image

Voir aussi la liste complète des publications de ce blog.

Derniers albums photos

Depuis juillet 2014, mes photos sont maintenant intégrées dans ce site sous la forme d'albums consultables dans le plugin "Photo-Folders". Voici les derniers albums publiés ou mis à jour. Cliquez sur les vignettes pour accéder aux albums.
albth
QFDN
Expo
791 photos
albth
Remise Légion d'Honneur Philippe Herbert Jul2021
2021
15 photos
albth
Vivatech Jun2021
2021
120 photos
albth
Visite C2N Palaiseau Mar2021
2021
17 photos
albth
Annonce Stratégie Quantique C2N Jan2021
2021
137 photos
albth
Maison Bergès Jul2020
2020
54 photos
albth
Grenoble Jul2020
2020
22 photos

image

Avec Marie-Anne Magnac, j'ai lancé #QFDN, l'initiative de valorisation de femmes du numérique par la photo. Elle circule dans différentes manifestations. L'initiative rassemble près de 800 femmes du numérique (en janvier 2022) et elle s'enrichit en continu. Tous les métiers du numérique y sont représentés.

Les photos et les bios de ces femmes du numérique sont présentées au complet sur le site QFDN ! Vous pouvez aussi visualiser les derniers portraits publiés sur mon propre site photo. Et ci-dessous, les 16 derniers par date de prise de vue, les vignettes étant cliquables.
flow
Gaëlle Rannou
Gaëlle est étudiante à 42 Paris et tutrice de l’équipe pédagogique (en 2021).
flow
Jehanne Dussert
Jehanne est étudiante à l'école 42, membre d'AI For Tomorrow et d'Open Law, le Droit ouvert. Elle est aussi fondatrice de "Comprendre l'endométriose", un chatbot informant sur cette maladie qui touche une personne menstruée sur 10, disponible sur Messenger. #entrepreneuse #juridique #santé
flow
Chloé Hermary
Chloé est fondatrice d'Ada Tech School, une école d'informatique alternative et inclusive dont la mission est de former une nouvelle génération de talents diversifié à avoir un impact sur le monde. #entrepreneuse #formation
flow
Anna Minguzzi
Anna est Directrice de Recherche au CNRS au Laboratoire de Physique et Modélisation des Milieux Condensés (LPMMC) à Grenoble. #quantique
flow
Maeliza Seymour
Maeliza est CEO et co-fondatrice de CodistAI, qui permet de créer une documentation du code informatique par une IA.
flow
Candice Thomas
Candice est ingénieure-chercheuse au CEA-Leti, travaillant sur l’intégration 3D de bits quantiques au sein du projet Quantum Silicon Grenoble. #recherche #quantique
flow
Stéphanie Robinet
Stéphanie dirige un laboratoire de conception intégrée de circuits électroniques du CEA-Leti qui travaille sur des systèmes sur puces intégrés, des interfaces de capteurs, des interfaces de contrôle de qubits et de la gestion intégrée de l'énergie. #recherche #quantique
flow
Sabine Keravel
Sabine est responsable du business development pour l’informatique quantique chez Atos. #quantique #IT
flow
Céline Castadot
Céline est HPC, AI and Quantum strategic project manager chez Atos.
flow
Léa Bresque
Léa est doctorante, en thèse à l'institut Néel du CNRS en thermodynamique quantique, sous la direction d'Alexia Auffèves (en 2021). #quantique #recherche
flow
Emeline Parizel
Emeline est chef de projet web et facilitatrice graphique chez Klee Group, co-fondatrice TEDxMontrouge, gribouilleuse à ses heures perdues, joue dans une troupe de comédie musicale, co-animatrice de meetups et est sensible à l’art et à la culture. #création
flow
Elvira Shishenina
Elvira est Quantum Computing lead chez BMW ainsi que présidente de QuantX, l'association des polytechniciens du quantique. #quantique
flow
Marie-Noëlle Semeria
Marie-Noëlle est Chief Technology Officer pour le Groupe Total après avoir dirigé le CEA-Leti à Grenoble. #recherche
flow
Gwendolyn Garan
Gwendolyn est travailleuse indépendante, Game UX Designer, Game UX Researcher (GUR) et 2D Artist pour le jeu vidéo, étudiante en Master 2 Sciences du Jeu, speaker et Formatrice sur l'autisme et la neurodiversité, l'accessibilité et les systèmes de représentation dans les jeux vidéo. #création #jeuvidéo
flow
Alexandra Ferreol
Alexandra est étudiante d'un bachelor Game Design à L'Institut Supérieur des Arts Appliqués (année scolaire 2019/2020) #création #jeuvidéo
flow
Ann-elfig Turpin
Ann-elfig est étudiante en deuxième année à Lisaa Paris Jeux Vidéos (Technical artist, 3D artiste), année scolaire 2019/2020. #création #jeuvidéo

Derniers commentaires

“[…] to Olivier Ezratty, author of Understanding quantum technologies 2023, the challenge for Europe is to position itself outside of where the US and China are likely end up...”
“Désolé, je suis passé à l'anglais en 2021 sans revenir au français. Traduire un tel ouvrage (1366) pages d'une langue à l'autre est un travail herculéen, même avec des outils de traduction automatique. Sachant...”
“Je suis un artiste conceptuel, certes je garde la grande majorité de mon travail dans ma tête par défaut d'un grand mécène. Mon travail de base se situe sur le "mimétisme" qui mène aux itérations et de nombreux...”
“Better than a Harry Potter! Thanks Olivier...”
“J'ai bien aimé le commentaire sur le film Openheiner avec l'interrogation du chercheur sur l'utilisation de ses découvertes. En continuation de ces propos, je propose d'écouter le débat suivant qui m'a semblé...”

Abonnement email

Pour recevoir par email les alertes de parution de nouveaux articles :


 

RRR

 
S
S
S
S
S
S
S
img
img
img